核心人事变动 - 理想汽车芯片Soc部门负责人秦东已离职，转投一家创业公司 [2] - 秦东于2023年10月加入理想汽车，职级为P10，负责智驾SoC研发，向算力单元负责人罗旻（M9）汇报 [2] - 秦东离职后，其领导下的部分资深人士也已离开，芯片部门近期变动较多 [2] 个人职业背景 - 秦东曾在手机芯片公司瓴盛科技任职 [2] - 2020年，秦东加入壁仞科技，担任ASIC部门负责人 [2] - 2023年，秦东加入理想汽车 [1][2] 公司芯片研发进展 - 理想汽车已成功研发马赫100芯片，这是一款采用5纳米制程的车规级芯片 [2] - 该芯片研发项目于2022年11月启动，内部代号为“舒马赫”，并于2025年5月流片成功 [2] - 马赫100芯片将首发搭载在换代理想L9车型中 [2] - 理想汽车正推动超大算力自动驾驶SoC芯片的研发，秦东团队此前负责智驾SoC研发 [2] 相关行业动态 - 蔚来芯片子公司完成首轮融资，投后估值近百亿元 [5] - 理想汽车前高管王凯、贾鹏创办的具身智能公司，估值逼近独角兽 [6] - 长城汽车智驾自研涉及与元戎、Momenta的合作及千人自研团队 [4]

行业现状与核心悖论 - 当前智能汽车行业陷入“算力崇拜”，车企发布会常以数百至上千TOPS作为核心宣传指标，消费者也普遍认为算力越高则车辆越智能 [2] - 然而行业存在“算力悖论”，即单纯堆砌顶级芯片算力，在实际部署大模型时，其真实释放的性能往往大打折扣 [3] - 其根源在于传统的“软硬割裂”研发模式，芯片与算法工程师各自为战，导致集成时相互妥协，造成算力闲置与功耗浪费，这种模式在全场景智能驾驶算力需求指数级攀升的背景下已难以为继 [4] 理想汽车的技术突破：软硬协同设计定律 - 理想汽车联合国创决策智能技术研究所，研发出一套名为“软硬协同设计定律”的数学框架，旨在从底层重构芯片与算法的协同设计逻辑 [1][4] - 该定律将损失函数扩展法则与Roofline性能建模结合，将芯片物理特性和算法计算需求“翻译”成数学语言，可输入芯片参数和模型需求，通过公式自动输出最优的软硬配比方案，实现了从依赖工程师经验试错到拥有“通解公式”的转变 [4] - 基于该理论框架，研究得出六大颠覆性发现，例如：在车载典型批处理大小为1的场景下，MOE稀疏架构将100%主导效率前沿，这要求未来车载芯片必须原生支持稀疏计算；内存带宽和缓存效率比理论TOPS更能决定实际性能，“宽而浅”的芯片架构是车载场景最优解；传统Transformer中4倍FFN扩展比在车载场景下被证明是低效的 [5] - 这些发现凝聚的核心结论是：没有通用芯片，只有场景最优芯片，最优架构强烈依赖于具体硬件参数，这从根本上证明了“算法定义芯片”的必要性 [5] - 这项研究被视为一种原生于中国产业实践的方法论突破，为中国企业在AI基础理论层面赢得了话语权 [5][6] 技术实践与产品落地 - 理论已转化为产品成果，2026年2月亮相的新一代理想L9搭载两颗自研的5纳米制程马赫100芯片，总算力达2560TOPS [7] - 更具突破性的是“有效算力”概念，由于采用数据流架构，马赫100芯片在运行VLA大模型时，单颗有效算力达到英伟达Thor-U的三倍，双芯协同的整体有效算力达到Thor-U的五至六倍 [7] - 理想汽车自2022年启动芯片自主研发时，便预判行业将在2025年后全面进入“自研算法与自研算力深度融合”的软硬一体化发展阶段 [7] 研发投入与开源生态建设 - 理想汽车持续加码研发投入，2025年预计研发投入达到120亿元，近八年累计研发费用预计将超过468亿元，其研发费用在新势力车企中持续领跑 [8] - 研发投入已转化为丰硕的学术与开源成果，2021年至2025年11月，公司在BEV、端到端模型、VLA等领域发表近50篇论文，被引用超过2500次，其中32篇论文中稿顶会 [8] - 公司积极开源研究成果，DriveVLM、DIVE、3DRealCar等项目在GitHub上已获得超过3200名开发者的收藏或调用 [8] - 2025年3月，理想宣布将星环OS面向全行业开源，涵盖AI计算系统、智能实时系统、通信中间件和安全系统，截至2025年9月已有超过30家企业及社区加入该生态 [9] - 据公司测算，星环OS开源系统每年可为汽车行业节省100亿至200亿元的重复研发投入 [9] 行业意义与未来影响 - 软硬协同设计定律不仅是一次企业级技术突破，更是一套具有普适意义的数学框架，为整个端侧AI领域提供了研发指导，填补了中国企业在AI基础理论层面贡献通用方法论的空白 [8] - 通过持续的基础研究投入、顶会论文发表及大规模技术开源，理想汽车正在为中国智能驾驶产业构建一个良性的技术生态 [6][8] - 这标志着中国科技企业的创新姿态从“跟随者”向“定义者”转变，开始主动输出基础设施、贡献通用方法论，成为全球AI竞赛游戏规则的共同制定者 [1][9] - 该定律的意义超越了当前的智能辅助驾驶，为未来的具身智能、空间机器人等更广泛的端侧AI应用铺下了理论基石，为解决算法在有限算力上高效运行的共同挑战准备了“通用语法” [11] - 最终结论是：算力是效能的根基，但软硬件深度协同才是决定效能兑现程度的天花板，智能汽车的进化路径正从“堆料模式”切换至“精算模式” [10][11]

论文核心观点与目标 - 论文提出了一套基于Roofline建模的数学框架，用于在给定的自动驾驶芯片上，为端侧大语言模型找到最优的架构设计方案[1] - 该框架旨在解决在芯片算力、内存及数据搬运速度有限的情况下，如何设计出既智能（低错误率）又反应快（低时延）的模型的问题[1] - 核心方法是通过数学公式预测最优模型架构，避免了训练成百上千个模型进行对比的高成本，实现了硬件特性与模型架构参数的协同优化[1][2] 硬件协同设计方法论 - 协同设计的两方是AI模型的架构参数（如层数、宽度、稀疏度）和芯片的硬件特性（如峰值算力、内存带宽、总内存），而非传统的软件与硬件团队[2] - 核心工作是将硬件的物理约束（时延、内存）用数学公式表达，并在这些约束下搜索最优的模型架构[2] - 在NVIDIA Jetson Orin平台上，通过评估1,942个候选架构并实际训练170个代表性模型（每个训练100亿个token），拟合出了Scaling Laws[2] - 最终在与Qwen2.5-0.5B相同时延条件下，协同设计出的架构将模型困惑度降低了19.42%[2] 优化问题的数学表述（公式1） - 优化目标是在满足严格时延和内存约束的前提下，最小化模型的损失函数（即错误率）[4][5] - 损失函数 \(L(\theta)\) 取决于模型架构参数集合 \(\theta = (l, d, d_m, r, \rho)\)，分别代表层数、宽度、KV缓存维度、FFN扩展比和专家激活率[6][8] - 约束条件包括：推理时延 \(T(\theta, \Pi, C) \leq T_{\text{max}}\) 和内存占用 \(M(\theta, \Pi, C) \leq M_{\text{max}}\)，其中 \(\Pi\) 为硬件参数，\(C\) 为工作负载配置[9] 模型性能预测器（公式2） - 公式 \(\hat{L}(\theta)\) 是一个预测器，允许工程师在不实际训练的情况下，通过代入架构参数快速估算模型的最终错误率，极大加速架构搜索[11][12] - 预测公式由五项相加组成，分别代表不同架构因素对错误率的贡献[13] - 深度贡献项：与层数 \(l\) 的 \(\alpha_l\) 次方成反比（\(\alpha_l \approx 0.34\)），层数越多，错误率贡献越低[13] - 宽度与稀疏度交互贡献项：涉及宽度 \(d\)、稀疏度 \(\rho\) 及拟合系数（\(\kappa_\rho=500, \alpha_\rho=0.73, \beta_1=0.51\)），揭示了二者复杂的耦合关系需要协同调整[13] - FFN扩展比与宽度联合贡献项：与 \(r \cdot d^{\beta_2}\) 成反比（\(\beta_2 \approx 0.28\)），FFN越宽、模型越宽，错误率越低[13][15] - KV缓存维度贡献项：系数 \(\kappa_{md}\) 极小（0.05），表明其对模型精度影响微弱，但对内存占用影响大，需谨慎权衡[15] - 基础错误项 \(L_\infty\)：代表由数据噪声和任务内在不确定性决定的理论错误下限[16] 时延上限模型（公式3） - 公式3基于Roofline模型，用于估算模型在特定芯片上的推理时延上限，是连接模型架构与硬件特性的核心桥梁[17][18] - 时延 \(T_{\text{roofline}}\) 由计算时间 \( \text{FLOPs}(\theta, C) / F_{\text{peak}} \) 和数据搬运时间 \( \text{Bytes}(\theta, C) / B_{\text{width}} \) 中的最大值决定，反映了计算与访存的瓶颈[19][20][21] - 论文指出，在当前边缘计算芯片上，大语言模型推理大多处于访存瓶颈状态，即内存带宽是主要限制因素[22] 架构设计指导法则（公式4） - 公式4推导出在内存受限的边缘设备上，模型宽度与稀疏度的最优配比法则：\(\rho^{*}\propto d^{\frac{\beta_{1}-\beta_{2}}{\alpha_{\rho}}}\)[23][25] - 代入拟合系数（\(\beta_1=0.51, \beta_2=0.28, \alpha_\rho=0.73\)）后，指数约为 -0.315，表明模型设计得越宽，其最佳稀疏度应越高（即激活的专家比例越低）[26] - 量化指导：当模型宽度 \(d\) 翻倍时，最优激活率 \(\rho^*\) 应降低约2.3倍[26] - 这一反直觉的结论指出，在内存预算有限时，应通过增加总专家数但降低激活率（使用更稀疏的MoE）来换取更高模型容量，而非单纯增加宽度[24] 对马赫100芯片的推断 - 马赫100芯片采用数据流架构，从底层为AI大模型推理设计，重点优化内存带宽，追求有效算力而非峰值算力[27] - 基于Roofline模型，在边缘设备上运行大模型时，内存带宽 \(B_{\text{width}}\) 常是瓶颈，峰值算力 \(F_{\text{peak}}\) 难以完全发挥[27] - 公司声称马赫100跑VLA大模型时有效算力是英伟达Thor-U的3倍，这暗示其通过优化内存带宽、片上缓存和数据通路，实现了远高于通用芯片的硬件利用率（马赫100峰值算力1280 TOPS vs Thor-U约700 TOPS）[27] - 自研编译器是软硬协同的技术中枢，负责调度数据驱动逻辑并定义芯片功能模块，实现了将高级AI模型代码最优化映射到数据流硬件上，支持灵活集成如3D ViT等新型计算模块[28]

蔚来芯片子公司首轮融资概况 - 蔚来芯片子公司安徽神玑技术有限公司完成首轮股权融资 融资金额超22亿元 投后估值接近百亿元[1] - 投资方包括合肥国投 合肥海恒等地方国有资本 IDG资本 中芯聚源 元禾璞华等半导体产业资本及市场化头部机构[1] - 融资完成后 蔚来继续持有神玑公司62.7%的控股权 投资者合共持有27.3%股权 10%股权由管理股份激励计划实体持有[3] 融资资金用途与公司战略目标 - 所募资金将主要用于高端车规级芯片的研发与推广 支撑蔚来在自动驾驶 具身智能等领域的长远布局[1] - 神玑公司是蔚来自研芯片体系的核心承载主体 成立于2025年6月 主营高性能车规级芯片研发与应用推广[1] - 公司核心目标是突破国外芯片企业在车载核心芯片领域的垄断 解决供应链不稳定 采购成本高昂 技术迭代与车企需求错位等痛点[3] 核心产品研发与成本效益 - 核心产品神玑NX9031芯片研发成本相当于建设1500座换电站[1] - 按一座换电站200万至300万元计算 芯片研发成本在30亿至45亿元[1] - 该芯片大约可为每辆车带来1万元的成本优势 按蔚来主品牌去年17.9万辆销量测算 在不计后续研发费用且不对外供货的情况下 前期投入需两至三年才能收回[1] - 该芯片搭载于蔚来品牌全系车型 自2024年投产以来累计出货已超15万套[2] 未来发展规划与业务拓展 - 神玑公司将在现有产品基础上 推出面向下一代智能驾驶的超强性能芯片 同时拓展多款其他领域芯片产品[3] - 前期订单主要来源于蔚来整车体系 随着芯片产品成熟 正积极拓展具身机器人 Agent推理等新兴业务[3] - 公司力图面向通用人工智能时代 提供完整的芯片及智能硬件解决方案 打破对单一车载场景的依赖[3] 行业趋势与竞争格局 - 车企分拆芯片业务并引入外部资本是行业发展的必然趋势 既有利于芯片业务的独立发展与商业化落地 也能为整车企业的智能化转型提供更坚实的技术支撑[3] - 国内头部车企的芯片自研竞争已日趋激烈 比亚迪自研智驾芯片"玄机"计划于2026年下半年装车 小鹏汽车"图灵"AI芯片已实现量产 理想汽车"马赫100"芯片已流片成功并计划2026年量产上车[4]

公司战略与技术布局 - 公司自2022年启动自研，判断行业将于2025年进入“自研算法+自研算力”的软硬一体阶段 [1] - 马赫100芯片是公司实现“自研算法+自研算力”战略的第一步 [1] 产品性能与技术创新 - 全新L9车型搭载的马赫100双芯片总算力达2560TOPS [2] - 相比总算力，公司更强调单颗有效算力，即实际运行VLA大模型时能榨出的真实性能 [1][2] - 马赫100芯片采用数据流架构，其单颗有效算力为英伟达Thor U的3倍 [2] - L9搭载的双马赫100芯片，其有效算力可达英伟达Thor U的5至6倍 [2] - 数据流架构相比传统GPU架构，具有更高的利用率、更低的功耗 [1] - 具体性能表现为更高帧率、更短反应时间及更快的紧急避险能力 [1]

文章核心观点 - 公司通过自研数据流架构芯片（马赫100）实现了远超行业标杆（英伟达Thor U）的有效算力，并认为“自研算法+自研算力”的软硬一体模式是行业未来趋势 [1] - 芯片算力（TOPS）数值与推理模型精度直接相关，精度越低，标称算力越高，但实现低精度推理需要强大的工程能力 [1][2] - 公司通过采用低精度推理模型（如INT8/FP8混合精度）并计划向FP4优化，以“压榨”出英伟达Thor芯片的更高算力，从而提升智能驾驶系统的反应速度 [2][4][6] 关于公司自研芯片与算力优势 - 公司全新L9车型搭载双马赫100芯片，总算力达2560 TOPS，单颗算力为1280 TOPS [1] - 由于采用数据流架构，单颗马赫100芯片在运行VLA大模型时的有效算力是英伟达Thor U的3倍，双芯片配置的有效算力是Thor U的5-6倍 [1] - 数据流架构相比传统GPU架构具有利用率高、功耗低的优势，具体表现为更高帧率、更短反应时间，能在紧急情况下更早感知风险并更快做出避险动作 [1] - 公司自2022年启动自研，判断2025年起行业将进入“自研算法+自研算力”的软硬一体时代 [1] 关于芯片算力与推理精度的关系 - 芯片算力（TOPS）数值随推理模型精度不同而变化，精度越高TOPS越低，精度越低TOPS越高 [1][2] - 更高TOPS能带来更高模型吞吐率，从而降低推理延迟，使系统反应更快 [2] - 实现低精度推理模型非常考验工程能力 [2] - 以英伟达Thor-U芯片为例，在不同精度下算力不同：FP8精度下为700 TOPS，FP16精度下为350 TOPS，FP4精度下可达1400 TOPS [3][4][6] - 特斯拉的FSD同样采用INT8格式进行推理 [5] 关于公司当前技术路径与未来规划 - 公司目前的VLA模型采用INT8与FP8的混合精度推理，在使用英伟达Thor-U芯片时可实现700 TOPS的算力 [2][6] - 公司未来计划将推理精度逐渐向FP4优化，以“压榨”芯片获取更大算力（Thor-U在FP4下可达1400 TOPS） [2][4][6] - 公司采用的英伟达Thor-X芯片在FP8精度下算力为1000 TOPS，在FP4精度下算力可达2000 TOPS [3][4][6]

公司技术架构升级 - 公司指出传统2D视觉Transformer模型无法真正理解物理世界 且供应商芯片的视频编码器是黑盒无法修改[1] - 公司通过自研的马赫100芯片采用数据流架构 获得了足够算力来运行3D视觉Transformer模型[1] - 公司搭配全线控系统 使模型能直接输出控制转向和刹车 获得了比人类更好的响应时间与灵敏程度[1] 3D视觉Transformer技术解析 - 早期2D视觉Transformer处理数据是切片式的 将图像切成16x16像素的小方块 信息有限且缺乏时空关联[1] - 3D视觉Transformer的输入是视频流片段 其Token是时空管 同时包含物体在空间的位置和在时间轴上的变化[1] - 许多运行在上一代芯片的端到端模型是混合架构 先用2D视觉Transformer提取特征 再将连续帧堆叠进行时间融合 本质是先静态分析再推断动态[2] - 转向3D视觉Transformer是原生支持处理连续视频流 这里的3D指的是张量的高、宽和时间维度 而非空间坐标x y z[2] 自研芯片与数据流架构优势 - 上一代芯片无法原生支持3D视觉Transformer的原因是内存带宽和数据搬运效率跟不上[2] - 公司自研芯片采用的数据流架构 可将3D视觉Transformer的层与层之间在硅片上硬连接 减少频繁读写外部显存 实现极致的延迟优化[2] - 公司CTO表示自研芯片采用新颖的数据流架构 模型计算主要由数据驱动而非指令驱动 实现了更高的并行度[4] - 数据驱动的逻辑由公司自研的编译器进行调度 芯片 编译器 运行时系统及操作系统是作为一个整体共同设计的软硬协同方案[4] 全线控底盘的必要性 - 在智能驾驶大脑算力提升后 需要全线控底盘使车辆的“身体”跟得上 以实现更直接和快速的控制响应[3]

文章核心观点 - 全新一代理想L9是行业首款具身智能汽车，其通过全栈自研构建了从AI大模型、操作系统、芯片到全主动悬架和全线控底盘的完整技术栈，旨在让车辆从被动工具进化为可理解环境并执行复杂任务的智能生活伙伴[2][3][11][24] 产品定位与理念演进 - 2022款理想L9以“冰箱彩电大沙发”为主要卖点，虽受行业质疑，但其在2022年9月实现月销破万，2023年3月理想单月销量达2万台，并以40万元平均成交价领跑高端SUV，市场接受度验证了其作为生活伙伴的初步理念[6] - 公司产品理念从“车和家”场景出发一以贯之，即让车辆从被动工具变成主动的生活伙伴，这正契合具身智能的核心——物理生活空间[8] - 2023年初，公司愿景从“成为全球第一的智能电动车企业”变更为“成为全球领先的人工智能企业”，技术投入服务于构建通用人工智能能力，并在全新L9上释放阶段性成果[10] 核心技术配置与升级 - **自研芯片**：全新L9首发自研车规级5nm“马赫100”芯片，单颗算力接近1280TOPS，整车算力达到2560TOPS，其输出能力接近英伟达Thor的三倍，是目前量产车型中最大的算力配置[3][13] - **底盘与悬架系统**：全新L9搭载自研800V全主动悬架系统和“完全体”全线控底盘（含线控转向、四轮转向及EMB系统），实现四个车轮毫秒级独立响应，首次让智能体的“决策大脑”与“物理身体”形成闭环[3][13][14] - **系统融合**：以统一大模型为核心，打通辅助驾驶、座舱交互、车辆控制等割裂系统，配合中央域控制器XCU实现计算资源统一调度，使算法能理解真实物理世界并直接作用于整车行为[2][3][13] 组织架构与战略调整 - 公司创始人李想从2021年起坚定推动AI转型，在2023年自研大模型过程中为团队批了三四千张卡（芯片）的资源，团队累计拥有近八千张卡[18] - 自研技术路径要求团队对赌，明确用户体验提升点和交付节点，自2021年起已陆续交付自研感知系统、中央域控制器XCU、大模型MindGPT、操作系统星环OS、端到端AD大模型及VLA司机大模型等一系列成果[19][20][21] - 2025年下半年，华为系高管先后离开，公司宣布重回创业公司管理模式，优先级从“销量第一、口碑第二”调整为“用户口碑第一”，并聚焦用户价值全面转型为AI公司[21][22] - 为应对AI竞争，公司重组组织架构，以AI技术为核心建立跨职能体系，并将智驾部门重要负责人转去负责具身智能，体现了对具身智能机器人的阶段性重押[22] 市场竞争与行业对比 - 800V全主动悬架过去多见于法拉利Purosangue、保时捷Panamera E-Hybrid及蔚来ET9等顶级豪华车型[15] - 2025年12月，在大型SUV市场中，蔚来ES8、问界M8和极氪9X位列前三，问界M9第四，理想L9排名第12[15] - 行业观点认为，800V全主动悬架和“完全体”全线控底盘的组合是竞品暂未补上的配置，全新L9有望凭此重新拿回市场优势[15] 价格与上市信息 - 全新一代理想L9的价格区间将落在60万以内，其中特别版售价在55万以上，与其它9系旗舰车型看齐[4] - 该车型近期将进入工信部产品公示阶段，计划于今年第二季度上市[2][21]

公司产品发布 - 理想汽车将于2月6日推出全新一代理想L9 Livis版，售价为55.98万元 [1] - 新车将搭载2颗理想汽车全自研的“马赫100”芯片，算力达2560TOPS [3] - 新车是全球首次在60万元以内车型中搭载800V全主动悬架系统 [3] - 新车搭载首个“完全体”全线控底盘，集成了线控转向、四轮转向和全电控机械制动(EMB)三项关键技术 [3] 公司技术研发 - 理想汽车自研的“马赫100”芯片是公司自2022年起研发的核心技术 [3] - “马赫100”芯片将配合理想汽车的自研大模型和自研操作系统，以大幅提升全新一代理想L9的智能化程度 [3]

港股市场整体表现 - 恒生指数收盘下跌1.21%或325.29点，报26559.95点，全日成交额2478.65亿港元，全周累计下跌3.02% [1] - 恒生国企指数收盘下跌0.68%，报9031.38点，全周累计下跌3.07% [1] - 恒生科技指数收盘下跌1.11%，报5346.2点，全周累计下跌6.51% [1] - 机构观点认为短期市场将维持震荡，春节前增量资金流入可能放缓，港股估值扩张空间有限，盈利端表现将更可能决定市场走势 [1] 蓝筹股与权重股表现 - 理想汽车-W股价上涨3.61%，报71.7港元，成交额21.05亿港元，为恒指贡献5.63点 [2] - 蒙牛乳业股价上涨3.03%，报17.67港元，为恒指贡献2.61点 [2] - 中石油股价上涨1.98%，报9.28港元，为恒指贡献6.12点 [2] - 友邦保险股价下跌5.54%，报83.5港元，拖累恒指82.99点 [2] - 阿里巴巴-W股价下跌2.88%，报155港元，拖累恒指61.6点 [2] 新能源汽车板块 - 板块表现亮眼，蔚来-SW股价上涨6.95%，零跑汽车股价上涨5.84%，理想汽车-W股价上涨3.61% [3] - 蔚来发布2025年第四季度盈利预告，预计录得经调整经营利润人民币7亿元至12亿元，这是公司创立11年来首次录得单季度经调整经营利润 [3] - 理想汽车发布全新一代理想L9官方照片，并宣布该车型将在今年第二季度内发布 [3] 消费与科技驱动板块 - 茶饮股逆市走高，茶百道股价上涨6.08%，古茗股价上涨3.58%，沪上阿姨股价上涨1.15% [4] - 阿里巴巴旗下“千问”APP发起“春节30亿大免单”活动，首轮免单卡可在全国30多万家奶茶店使用，活动上线不到3小时通过千问App下单的奶茶已超过100万单 [4] - 大型科技股多数承压，阿里巴巴股价下跌近3%，腾讯股价下跌近2% [3] 资源与大宗商品相关板块 - 油气股表现活跃，山东墨龙股价上涨6.02%，中石化油服股价上涨2.3% [4] - 中东地缘政治风险扰动持续，美伊局势紧张并举行核问题谈判，推动国际原油与黄金价格明显拉升 [5] - 黄金股龙资源股价大幅上涨45.68%，公司预期2025年度税后纯利约为5800万澳元至6200万澳元，上年同期为1290万澳元 [8] 加密货币相关板块 - 加密货币ETF及概念股跌幅居前，博时比特币价格下跌7.98%，华夏比特币价格下跌8.06%，华夏以太币价格下跌9.01% [6] - 比特币期货合约盘中一度跌破60000美元，随后回升至64000美元上方，市场情绪转弱导致抛售放大 [6] 其他异动个股 - 三只新股首日挂牌集体上涨，卓正医疗股价上涨13.36%，大族数控股价上涨14.82%，牧原股份股价上涨3.9% [7] - 长飞光纤光缆股价显著反弹4.97%，因G.652D常规光纤价格在2026年1月迎来爆发式上涨，散纤价格从2025年底的24元/芯公里翻倍至35元/芯公里以上 [9]